一 Model I/O之调用模型
LangChain作为一个"工具"，不提供任何 LLMs，而是依赖于第三方集成各种大模型。比如，将
OpenAI、Anthropic、Hugging Face 、LlaMA、阿里Qwen、ChatGLM等平台的模型无缝接入到你的应用。
角度1：按照模型功能的不同：
非对话模型（LLMs、Text Model）
对话模型（Chat Models）（ 推荐）
嵌入模型（Embedding Models）( 暂不考虑)
角度2：模型调用时，几个重要参数的书写位置的不同：
硬编码：写在代码文件中
使用环境变量
使用配置文件（ 推荐）
角度3：具体调用的API
OpenAI提供的API
其它大模型自家提供的API
LangChain的统一方式调用API（ 推荐）
类型1：LLMs(非对话模型)
LLMs，也叫Text Model、非对话模型，是许多语言模型应用程序的支柱。主要特点如下：
输入：接受文本字符串或PromptValue 对象
输出：总是返回文本字符串
1） 适用场景：仅需单次文本生成任务（如摘要生成、翻译、代码生成、单次问答）或对接不支持消息
2） 结构的旧模型（如部分本地部署模型）（ 言外之意，优先推荐ChatModel ）
不支持多轮对话上下文。每次调用独立处理输入，无法自动关联历史对话（需手动拼接历史文
本）。
3） 局限性：无法处理角色分工或复杂对话逻辑。
类型2：Chat Models(对话模型)
ChatModels，也叫聊天模型、对话模型，底层使用LLMs。
大语言模型调用，以 ChatModel 为主！
主要特点如下：
输入：接收消息列表List[BaseMessage] 或PromptValue ，每条消息需指定角色（如
SystemMessage、HumanMessage、AIMessage）
输出：总是返回带角色的消息对象（ BaseMessage 子类），通常是AIMessage
